LRU产生的原因：解决Redis内存超出物理内存限制时，内存和磁盘产生频繁交换，导致Redis性能下降
在生产环境中不允许出现交换行为，为了限制使用最大使用内存，Redis提供配置参数maxmemory用于限制内存超出期望大小
实际内存超出maxmemory时Redis提供的可选策略：
- noeviction：不会继续服务写请求（del除外），不影响读请求，好处保证数据不丢失。默认的淘汰策略
- volatile-lru：尝试淘汰设置了过期时间的key，最少使用的key被优先淘汰，没有设置的不会被淘汰
- volatile-ttl：和上一条几乎一样，不过淘汰策略不是lru，而是比较key的剩余寿命ttl的值，越小越优先淘汰
- volatile-random：和上面的几乎一样，不过淘汰的key是过期key集合中随机的key
- allkeys-lru：区别于volatile-lru，这个策略要淘汰的key对象是全体key集合，而不是过期key集合
- allkeys-random：也是淘汰所有的key集合，只是key是随机
volatile-xxx只是会针对带过去时间的key
allkeys策略是针对所有的key进行淘汰
将Redis用作缓存时使用allkeys-xxx策略
如果Redis中的数据需要持久化时，使用volatile-xxx策略
1、LRU算法
实现LRU算法：
- 需要key/value字典
- 一个附加链表，链表中的元素按照一定的顺序进行排列
- 空间满时会踢掉链表尾部的元素
- 当元素被访问时，会将元素的位置移动到链表头部
链表的元素排列顺序就是最近被访问的时间顺序
2、近似LRU算法
Redis中使用的是一种近似LRU算法和LRU算法有区别。
不直接使用LRU算法的原因：需要消耗大量额外内存，并且需要对现有的数据结构进行较大改造
近似LRU算法：在现有的数据结构的基础上使用随机采样法来淘汰元素，在Redis中为了实现给每一个key增加了一个额外的小字段，长度是24个bit，即最后访问的时间戳
LRU算法在删除时用的策略是：懒惰删除，在redis进行写操作时进行内存检测，然后执行LRU淘汰算法